本发明专利技术涉及人工智能，揭露一种基于同态加密的人脸识别方法，包括：对采集到的待识别人脸图片进行向量编码，得到人脸特征向量，分别对人脸参考数据库中的人脸参考数据及人脸特征向量进行整型转换，得到转换参考数据及转换特征向量，对转换参考数据进行同态加密，得到加密参考数据，对转换特征向量进行维度压缩，得到压缩特征向量，根据压缩特征向量对加密参考数据进行双重筛选，得到筛选参考数据，将筛选参考数据对应的数据标识作为待识别人脸图片对应的人脸身份标识。此外，本发明专利技术还涉及区块链技术，加密参考数据可存储于区块链的节点。本发明专利技术还提出一种基于同态加密的人脸识别装置、电子设备以及存储介质。本发明专利技术可以提高人脸识别的效率。人脸识别的效率。人脸识别的效率。
【技术实现步骤摘要】
基于同态加密的人脸识别方法、装置、电子设备及介质
[0001]本专利技术涉及人工智能领域，尤其涉及一种基于同态加密的人脸识别方法、装置、电子设备及存储介质。
技术介绍
[0002]在金融领域中，进行金融业务处理之前通常需要对操作用户进行用户认证，一般的用户认证是基于用户的人脸特征信息实现身份识别。传统的人脸识别方法是通过密文存储和密文计算的方案来实现密文状态下的人脸特征数据传输和对比，但是这种方法会导致检索速度变慢及需求服务器增多，当进行人脸识别时搜索大量的特征数据时服务器的响应速度无法满足实际业务需求，进而导致人脸识别的效率降低。因此，亟待提出一种效率较高的人脸识别方法。
技术实现思路
[0003]本专利技术提供一种基于同态加密的人脸识别方法、装置、电子设备及存储介质，其主要目的在于提高人脸识别的效率。
[0004]为实现上述目的，本专利技术提供的一种基于同态加密的人脸识别方法，包括：
[0005]对采集到的待识别人脸图片进行向量编码，得到人脸特征向量；
[0006]获取预设的人脸参考数据库，分别对所述人脸参考数据库中的人脸参考数据及所述人脸特征向量进行整型转换，得到转换参考数据及转换特征向量；
[0007]基于同态加密算法对所述转换参考数据进行同态加密处理，得到加密参考数据；
[0008]对所述转换特征向量进行维度压缩处理，得到压缩特征向量，根据所述压缩特征向量对所述加密参考数据进行双重筛选处理，得到筛选参考数据，将所述筛选参考数据对应的数据标识作为所述待识别人脸图片对应的人脸身份标识。
[0009]可选地，所述对所述人脸参考数据库中的人脸参考数据进行整型转换，得到转换参考数据，包括：
[0010]分别识别所述人脸参考数据库中人脸参考数据对应的数据类型；
[0011]将所述人脸参考数据对应的数据类型转换为整数类型，得到转换参考数据。
[0012]可选地，所述基于同态加密算法对所述转换参考数据进行同态加密处理，得到加密参考数据，包括：
[0013]从所述转换参考数据中任意选择两个转换参考数据作为待加密明文；
[0014]获取加密函数，利用所述加密函数对待加密明文进行加密处理，得到加密参考数据。
[0015]可选地，所述对所述转换特征向量进行维度压缩处理，得到压缩特征向量，包括：
[0016]将所述转换特征向量分割为预设空间上的乘积，并对所述预设空间上的乘积进行映射处理，得到映射集合；
[0017]将所述映射集合中的映射数据作为压缩特征向量。
[0018]可选地，所述根据所述压缩特征向量对多个所述加密参考数据进行双重筛选处理，得到筛选参考数据，包括：
[0019]利用所述压缩特征向量与所述加密参考数据进行初始比对处理，得到初始比对结果；
[0020]以所述转换特征向量作为筛选标准对所述初始比对结果进行再次筛选，得到筛选参考数据。
[0021]可选地，所述得到加密参考数据之后，所述方法还包括：
[0022]对所述加密参考数据进行密文存储。
[0023]可选地，所述对所述待识别人脸图片进行向量编码，得到人脸特征向量，包括：
[0024]获取预训练模型，所述预训练模型包含正向编码器和反向编码器；
[0025]利用所述预训练模型中的正向编码器和反向编码器对所述待识别人脸图片进行编码处理，得到人脸特征向量。
[0026]为了解决上述问题，本专利技术还提供一种基于同态加密的人脸识别装置，所述装置包括：
[0027]向量编码模块，用于对采集到的待识别人脸图片进行向量编码，得到人脸特征向量；
[0028]整型转换模块，用于获取预设的人脸参考数据库，分别对所述人脸参考数据库中的人脸参考数据及所述人脸特征向量进行整型转换，得到转换参考数据及转换特征向量；
[0029]同态加密模块，用于基于同态加密算法对所述转换参考数据进行同态加密处理，得到加密参考数据；
[0030]双重筛选模块，用于对所述转换特征向量进行维度压缩处理，得到压缩特征向量，根据所述压缩特征向量对所述加密参考数据进行双重筛选处理，得到筛选参考数据，将所述筛选参考数据对应的数据标识作为所述待识别人脸图片对应的人脸身份标识。
[0031]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0032]至少一个处理器；以及，
[0033]与所述至少一个处理器通信连接的存储器；其中，
[0034]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于同态加密的人脸识别方法。
[0035]为了解决上述问题，本专利技术还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于同态加密的人脸识别方法。
[0036]本专利技术实施例中，通过对人脸参考数据库中的人脸参考数据和人脸特征向量进行整型转换，得到转换参考数据及转换特征向量，所述整型转换可以将数据进行更标准化的输出。再通过同态加密算法对转换参考数据进行同态加密计算和存储，增加人脸参考数据库中数据的安全存储。通过整型转换处理可以在人脸识别过程中提升密文计算速度并缩短检索时间，提高了密文比对的性能。通过对转换特征向量进行的特征压缩，在低纬度下的粗筛和高纬度下的精筛的双重筛查处理下，极大的提高了筛查效率，在保证最后检索结果的前提下，提高了人脸识别对比的效率。因此本专利技术提出的基于同态加密的人脸识别方法、装
置、电子设备及存储介质，可以解决提高人脸识别的效率低的问题。
附图说明
[0037]图1为本专利技术一实施例提供的基于同态加密的人脸识别方法的流程示意图；
[0038]图2为图1中其中一个步骤的详细实施流程示意图；
[0039]图3为本专利技术一实施例提供的基于同态加密的人脸识别装置的功能模块图；
[0040]图4为本专利技术一实施例提供的实现所述基于同态加密的人脸识别方法的电子设备的结构示意图。
[0041]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0042]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0043]本申请实施例提供一种基于同态加密的人脸识别方法。所述基于同态加密的人脸识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于同态加密的人脸识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于同态加密的人脸识别方法，其特征在于，所述方法包括：对采集到的待识别人脸图片进行向量编码，得到人脸特征向量；获取预设的人脸参考数据库，分别对所述人脸参考数据库中的人脸参考数据及所述人脸特征向量进行整型转换，得到转换参考数据及转换特征向量；基于同态加密算法对所述转换参考数据进行同态加密处理，得到加密参考数据；对所述转换特征向量进行维度压缩处理，得到压缩特征向量，根据所述压缩特征向量对所述加密参考数据进行双重筛选处理，得到筛选参考数据，将所述筛选参考数据对应的数据标识作为所述待识别人脸图片对应的人脸身份标识。2.如权利要求1所述的基于同态加密的人脸识别方法，其特征在于，所述对所述人脸参考数据库中的人脸参考数据进行整型转换，得到转换参考数据，包括：分别识别所述人脸参考数据库中人脸参考数据对应的数据类型；将所述人脸参考数据对应的数据类型转换为整数类型，得到转换参考数据。3.如权利要求1所述的基于同态加密的人脸识别方法，其特征在于，所述基于同态加密算法对所述转换参考数据进行同态加密处理，得到加密参考数据，包括：从所述转换参考数据中任意选择两个转换参考数据作为待加密明文；获取加密函数，利用所述加密函数对待加密明文进行加密处理，得到加密参考数据。4.如权利要求1所述的基于同态加密的人脸识别方法，其特征在于，所述对所述转换特征向量进行维度压缩处理，得到压缩特征向量，包括：将所述转换特征向量分割为预设空间上的乘积，并对所述预设空间上的乘积进行映射处理，得到映射集合；将所述映射集合中的映射数据作为压缩特征向量。5.如权利要求1所述的基于同态加密的人脸识别方法，其特征在于，所述根据所述压缩特征向量对多个所述加密参考数据进行双重筛选处理，得到筛选参考数据，包括：利用所述压缩特征向量与所述加密参考数据进行初始比对处理，得到初始比对结果；以所...
【专利技术属性】
技术研发人员：吴昊，杨振燕，王志辉，周才军，曾依峰，罗燕武，
申请(专利权)人：深圳市电子商务安全证书管理有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。